城市中心垃圾分类智能装置的设计
摘要本发明设计了一种在城市中心可自动分类的垃圾箱，该分类箱可对果皮、纸张、金属等不同材质的垃圾进行自动识别，分类，根据垃圾桶的分类会进行语音播报提醒行人该垃圾所属类别。整个系统可由太阳能直接供电。
关键词人工智能；深度神经网络；介电常数；太阳能；节能减排
引言
随着社会经济的发展，城乡生活垃圾处理越来越困难。此外，人们对生态环境的质量越来越重视。因此，生活垃圾分类处理的需求日益增加。然而目前垃圾分类知识普及程度不足，居民垃圾分类意识不够，垃圾不分类回收必然难以使它资源化，无害化。所以城市中心垃圾分类智能装置提出适用于垃圾种类较集中的学校、城市中心等应用场所，达到垃圾的自动分类的目的，并引导和辅助培养居民的垃圾分类意识[1]。
1 箱体设计
该垃圾箱主要由六个部分组成，分别为机械模块、电机驱动模块，图像识别模块，传感器识别模块，电源模块及语音播报、屏幕显示模块。这六个部分之间相互配合，具体工作机制如下：首先垃圾箱通过红外感应模块识别是否有垃圾入内，若有，打开垃圾箱口，垃圾进入投放口置于置物板上，垃圾识别部分对投入垃圾进行识别。识别完成后由垃圾自动分类部分将垃圾投放进对应的垃圾箱中。整个系统由太阳能供电，并分类完成后有语音播报和屏幕显示来提示行人此类垃圾的属性[2]。
2 垃圾类型识别
本设计将垃圾分为果皮类、金属类、纸张类、玻璃类及塑料类。金属类由金属传感器LJ12A3-4-Z进行识别，果皮由颜色传感器TSC3200来识别哪种颜色的果皮；三个电容式接近开关分别检测物体是否为塑料、纸张和玻璃。具体识别流程如下：当垃圾置于载物板上，金属传感器先进行识别，若检测到为金属材质，将信息传递给单片机系统，带动机械结构进行下一步操作；否则，用三个电容式开关识别所属材料类别，若为纸张材质、塑料材质或玻璃材质，则投放至可回收的垃圾箱中。若上述材料均不是，颜色传感器进行工作，检测是否为果皮，若反馈回的值位于400-600之间时，则此类垃圾为果皮（主要检测苹果皮和香蕉皮），随后将信息传递给最小单片机系统，带动机械结构开始工作[3]。
3 机械部分
机械结构部分由120°V型置物板，120°拨板、丝杆组成。此部分由第一伺服电机和第二伺服电机控制。
当检测到有A区域信号通过串行通信接口传送给单片机后，第一伺服电机驱动扇形载物板12顺时针旋转120°而V型拨板不动，将垃圾投入区域A；
若垃圾为不可回收物，第二伺服电机驱动V型挡板5顺时针旋转120°，扇形载物板不动，将垃圾投入区域B；
若垃圾类别属性不可识别，则第二伺服电机驱动V型挡板5逆时针旋转120°，扇形载物板12不动，将垃圾投入区域C。
当垃圾被推下置物板后，置物板和挡板自动返回到初始状态。本设计要实现在垃圾自动分类后的机电传动装置正常运行[4]。
4 图像识别模块
图像识别模块由摄像头、LED光源、红外检测器、控制器图像处理器组成。控制器和图像处理器集成在一块电路板上。
红外线检测器和摄像头安装在垃圾箱顶部，摄像头左右两边各安装一个LED 灯，为摄像头工作提供光源。垃圾投入后，红外检测器检测到一个信号，传到控制器，促使控制器打开LED灯。摄像头将采集到的图像发送至图像处理器，运行图像识别算法，识别完成后，向控制器发出一个信号控制机械结构运转，使垃圾进入相应区域，并记录储存传输过来的图像。红外检测器始终进行检测。当检测到框内无垃圾，则向控制器发送信号，30秒内再无垃圾投入，控制器关闭LED 灯。图像处理器和控制器集成电路板安放在垃圾桶中部偏下[5]。
5 电源模块
近年来，国家倡导使用低碳绿色能源，本设计结合环保理念，在垃圾分类箱的电源选择上选用了太阳能搭配12V蓄电池的方式为整个垃圾箱系统供电。太阳能板位于圆柱形垃圾箱的柱形桶体和圆形顶部，以便最大的接收到太阳光并加以利用。转化后的太阳能存入位于箱体底部的蓄电池中。由于考虑到蓄电池的重量，本设计将蓄电池放置于箱体的最下方，降低箱体重心进而提高稳定性，避免刮大风吹倒垃圾箱而引起内部零件损坏。
6 语音播报和屏幕显示
当垃圾箱进行分类完成之后，位于垃圾箱上的喇叭将被触发，根据单片机传送的信息控制不同的语音类别，播放投入的垃圾所属类别，同时，在柱形垃圾桶外的屏幕上将会出现对应的类别文字，更大地引导和辅助培养居民的垃圾分类意识[6]。
7 结束语
本设计是采用树莓派和单片机作为整个系统的CPU，充分考虑了位于城市中心垃圾的特性和综合考虑了公共设施的设计原则，拓展了垃圾箱的功能，其设计更加智能化和人性化。采用了太阳能供电更是节能减排的重要体现。
参考文献
[1] 杨帮文.新编传感器实用宝典[M].北京：机械工业出版社，2005：221.
[2] 张国云，郭龙源，吴健辉，等.计算机视觉与图像识别[M].北京：科学出版社，2012：101.
[3] 孙源文.基于单片机的直流电机控制[J].科技信息，2010，（35）：268-269.
[4] 阮秋琦.数字图像处理学[M].北京：电子工业出版社，2013：59-66.
[5] Russakovsky O，Deng J，Su H，et al. ImageNet Large Scale Visual Recognition Challenge[J]. International Journal of Computer Vision，2014，115（3）：211-252.
[6] 張铮.数字图像处理与机器视觉[M].北京：人民邮电出版社，2014：147.
